1、進化算法是模擬生物界進化過程產(chǎn)生的一種現(xiàn)代優(yōu)化方法，作為一種有效的隨機搜索方法，在優(yōu)化方法中具有獨特的優(yōu)越性，在實際應(yīng)用中有著廣泛的應(yīng)用領(lǐng)域。傳統(tǒng)的優(yōu)化方法對目標(biāo)函數(shù)的解析性要求較高，而進化算法不需要函數(shù)的導(dǎo)數(shù)信息，具有隱含并行性，所以常用于一些復(fù)雜的、大規(guī)模的、非線性的、不可微的優(yōu)化問題。而一般的實際優(yōu)化問題都可以轉(zhuǎn)化為一些具體的數(shù)學(xué)描述，因此要解決實際優(yōu)化問題，應(yīng)當(dāng)先解決函數(shù)的優(yōu)化問題。本文研究了基于進化算法的函數(shù)優(yōu)化問題，主要內(nèi)容

2、如下： 1．簡要地回顧了進化算法的理論及其研究背景?？偨Y(jié)了單目標(biāo)優(yōu)化方法及多目標(biāo)優(yōu)化的傳統(tǒng)解決方法和基于進化算法的解決方法。 2．總結(jié)了現(xiàn)代優(yōu)化方法的種類并分析了進化算法對求解函數(shù)優(yōu)化問題的優(yōu)越性。重點介紹了怎樣用進化規(guī)劃求解單目標(biāo)優(yōu)化問題，并提出了兩種改進的單目標(biāo)函數(shù)優(yōu)化算法。一種是對用進化規(guī)劃算法處理局部搜索和全局搜索問題進行了改進；另一種是混合進化規(guī)劃算法，把免疫進化中的克隆擴增算子與自適應(yīng)變異步長的進化規(guī)劃相結(jié)合

3、，提高了算法的收斂速度及搜索精度。通過對經(jīng)典算例的仿真實驗驗證了改進后算法的有效性。 3．分析了多目標(biāo)進化算法中的相關(guān)策略，并列舉了幾種典型多目標(biāo)進化算法的處理策略，為后面對多目標(biāo)優(yōu)化算法的改進奠定了基礎(chǔ)。 4．提出了三種改進的多目標(biāo)優(yōu)化算法。第一種是增加搜索能力的多目標(biāo)進化算法，改進了解在決策變量空間內(nèi)進行全局搜索，收斂到真正的Pareto最優(yōu)集的算法；第二種是在基于自適應(yīng)變異步長進化策略求解多目標(biāo)優(yōu)化問題中選擇一定比